dplyr 中的时间序列函数答案

【问题标题】：Time series function in dplyrdplyr 中的时间序列函数
【发布时间】：2018-12-10 09:34:20
【问题描述】：

我正在处理在特定年份停止并且之后为 NA 的数据。我需要根据其他变量的滞后值来计算变量的分配。我想找到一种方法来计算整个系列，而不是在其中一个变量为 NA 时每年计算一次。我正在查看 dplyr ，因为我正在处理面板数据，因此需要按 ID 对其进行分组。

我提供以下示例：

set.seed(1)
df <- data.frame( year = c(seq(2000, 2018), seq(2000, 2018)) , id = c(rep(1, 19),rep(2, 19)), varA = floor(rnorm(38)*100), varB= floor(rnorm(38)*100), varC= floor(rnorm(38)*100))

df <- df %>% mutate(varA = if_else(year>2010, as.double(NA) , varA) , 
                    varB = if_else(year>2010, as.double(NA) , varB),
                    varC = if_else(year>2010, as.double(NA) , varC))  %>% group_by(id) %>% arrange(year)

我想要的是找到一种方法来计算一个变量，它在可用时等于变量 C，但之后等于基于变量 C、B 和 A 的滞后值的公式。执行代码时下面，鉴于滞后仅适用于一年，因此 varResult 和 D 仅计算一年：

df <- df %>% mutate( varD = lag(varA)*lag(varB), 
                     varRESULT = if_else(is.na(varC), lag(varC, 1)/lag(varD, 2)*lag(varD, 1), varC))

但我想找到一种方法来立即计算整个系列（考虑到数据的面板尺寸），而不是重复代码 7 次。最好是一个解决方案，您可以从 varResults 中单独计算 varD，因为在最终应用程序中我有多个相互链接的变量。

【问题讨论】：

标签： r dplyr panel-data

【解决方案1】：

建议的解决方案：

从第一个 NA 开始，变量 varA、varB 和 varC 的“递归”lags 等于这些变量的最后一个值。

因此，从这些初始变量开始，我们可以创建新变量：varA1、varB1 和 varC1，其中我们用最后一个值填充 NAs，通过 id：

library(dplyr)
library(tidyr) # for the function `fill`

df <- df %>% 
mutate(varA1 = varA, varB1 = varB, varC1 = varC) %>% 
group_by(id) %>%
arrange(year) %>%
fill(varA1, varB1, varC1) # fills with last value

然后，我们应用公式：

df <- df %>% 
mutate( varD = lag(varA1)*lag(varB1), 
varRESULT = if_else(is.na(varC), lag(varC1, 1)/lag(varD, 2)*lag(varD, 1), varC)) %>% 
select(-varA1, -varB1, -varC1)

【讨论】：